近年来,数字图像作为信息传载的重要形式,其应用越来越广泛。利用编辑软件对图像进行操作处理越来越容易,这为人们工作和生活带来极大便捷的同时,也产生了一些负面影响,比如针对图像内容的伪造篡改。因此,针对数字图像内容真实性的取证技术研究显得尤为重要和迫切。复制-粘贴(Copy-Move)是一种常见的图像篡改操作,现有的检测方法在抵抗几何旋转和缩放攻击时鲁棒性不足,检测流程也缺乏一定的智能化。本文结合信号处理领域的极谐波变换(Polar Harmonic Transform,PHT)、智能优化中的粒子群优化算法(Particle Swarm Optimization,PSO)和机器学习中的支持向量机(Support Vector Machine,SVM)等理论和方法,提出一套有效检测与定位篡改区域的解决方案,实现针对几何攻击和后处理操作的鲁棒性,完成检测智能化。本文具体工作如下:(1)本文提出了一种基于PHT矩的抗几何攻击图像复制-粘贴篡改检测(Copy-Move Forgery Detection,CMFD)算法。该算法首先对图像进行预处理,并对图像进行圆形块划分。接着计算每个重叠图像块的PHT矩系数作为不变特征,并通过奇异值分解(Singular Value Decomposition,SVD)来降低特征维数,得到所有块特征后计算块间相似性距离。PSO被用来根据块相似性度量直方图寻找最优的相似性阈值。实验结果表明,该算法不仅能有效地抵抗旋转和缩放等几何攻击,对高斯白噪声和JPEG压缩等后处理操作也有较好的鲁棒性,而且提高了检测准确率。此外,本文提出了一种新的相似性阈值估计方案,所估计的阈值使得本方法在检测率和计算复杂度上都有所改进。(2)本文提出一种基于SVM分类的图像复制-粘贴篡改检测智能算法。通过对图像重叠圆块做极谐波变换,计算每两块之间的相似性度量,并形成块相似性度量直方图(Histogram of Block Similarity Measures,HBSM),最后提取直方图特征用于区分原始未篡改的自然图像与复制-粘贴篡改图像。实验结果表明,即使在几何和后处理攻击下,本方法的准确率也较高。(3)本文对现有图像复制-粘贴篡改盲取证技术进行了比较分析,对篡改检测机理进行了研究,并针对篡改过程中的几何操作建立篡改模型。在实验所用数据集方面,对公共数据集做了扩展。鲁棒检测的攻击类型包括多角度旋转、多尺度缩放、不同强度高斯白噪声、高斯滤波和JPEG压缩等。